详情

原文传递动态环境无人车碰撞检测及路径规划方法研究

论文题名：	动态环境无人车碰撞检测及路径规划方法研究
关键词：	无人车;路径规划;障碍物识别;碰撞检测;目标跟踪
摘要：	作为提高通行效率和减少人为交通事故的方法之一，也作为解放人类双手和推动人工智能发展的途径之一，无人驾驶汽车越来越受到重视。目前使用三维激光雷达在无人驾驶领域进行环境感知时，存在点云数据量大、容易被遮挡以及对玻璃的反射率低等问题，导致三维激光雷达检测障碍物的实时性和精度不够高。碰撞检测是路径规划中至关重要的一环，目前无人车领域现有的碰撞检测算法中，粗略检测算法速度快但准确度不高，精确检测算法需要大量计算，难以满足实时性要求。此外无人车如何平滑、安全地躲避障碍物一直是无人驾驶领域备受关注的问题。基于上述问题本文围绕无人车的三维障碍物检测、碰撞检测、路径规划这三个方面展开研究，主要工作如下: 　　(1)首先针对单个激光雷达因无人车体积较大产生的盲区大问题，本文设计了适应本车型号的双激光雷达安装布局方案，在扩大激光雷达感知视野的同时增加重点检测区域的点云密度。对双激光雷达融合点云提出了基于采样和分段多空间特征融合的路沿检测算法，在结构化和非结构化直道、弯道等多个路况和其他路沿检测算法进行对比实验，验证本算法路沿检测的高效性。其次针对基于射线的快速地面点云分割方法中存在的因无法区分可通行区域和非可通行区域造成的灌木丛误检问题，对基于坡度射线的路面点云分割算法进行改进，提出了融合路沿点和快速直线搜索的线拟合地面点云分割算法，采用一种全新的、快速的方式融合路沿点;采用动态阈值细化纵向分割区域;对沿角度方向的横向直线搜索，直接通过点云半径确定遍历起点，进行快速直线搜索。通过在横向坡度、纵向坡度以及弯道路况与其他算法的对比实验，验证本算法在精确度和效率上的优越性。针对因激光对玻璃存在穿透作用而造成的点云过分割问题，本文在径向有界最近邻算法的基础上增加沿Z轴的二次聚类，将过分割的点云簇重新聚类，并将结果和原算法进行对比，证明本算法可以减少玻璃穿透作用给点云聚类带来的影响，增大点云聚类的准确度。　　(2)针对因点云大面积被遮挡造成的难以评估障碍物正确位姿的问题，本文采用基于最近角点的L形拟合算法构造障碍物点云定向包围盒，与传统的主成分分析法构造的定向包围盒相比，这种算法拟合的包围盒更加贴近障碍物边界，紧密度更高。然后针对分离轴定理(SeparatingAxisTheorem,SAT)进行定向包围盒间相交测试时速度慢、冗余投影多的问题，本文提出了基于SAT的快速确定分离投影轴碰撞检测方法，通过两定向包围盒几何中心连线在各对称轴上的投影快速确定潜在分离轴，进而通过分离轴判断两定向包围盒是否相交，可有效减少点线的投影次数，提高检测效率。最后在障碍物随机分布在无人车路径上、障碍物和无人车按一定的规律分布这两种实验场景中对比了本算法和其他碰撞检测算法的检测速度，证明本算法能够明显提升检测效率。　　(3)针对车速过高造成的部分全局路径点丢失的问题，本文采用分段三次Hermite插值法对距离过大的路径点进行插值补全。其次采用基于路径点采样的局部路径规划算法，将预先选取的全局路径点分三段利用不同的采样方法生成多条候选局部路径，然后对局部路径采用梯度下降平滑处理得到曲率平滑的路径，计算各路径的代价函数。为减少不必要的碰撞检测、快速确定最优路径，本文将碰撞检测从代价函数中脱离出来，按照代价函数得分由低到高的顺序选择候选路径进行碰撞检测。采用PurePursuit算法来控制无人车跟踪规划好的局部路径。本文搭建了基于ROS和Gazebo的无人车仿真环境和阿克曼模型的仿真无人车，并在直道、弯道、单个障碍物、多个障碍物等仿真环境中对本文使用的局部路径规划算法进行了验证。　　最后本文设计搭建了无人车实体，对所需要的传感器进行了选取、布局和安装，并在实车上验证了本文提出的感知和规划算法。实验证明无人车在跟踪全局路径时可以精确而快速地进行路沿检测、地面滤除、三维点云聚类检测，根据获取的障碍物信息，无人车可以规划出平滑的避障路径，实现了无人车在低速下平滑、安全地躲避障碍物。
作者：	朱刘娟
专业：	电子信息
导师：	刘国良
授予学位：	硕士
授予学位单位：	山东大学
学位年度：	2023